BG value stats by hour
BGvalue_Summary
## time3 min mean max sd
## 1 00:00 Inf NaN -Inf NaN
## 2 01:00 192 192.0000 192 NaN
## 3 02:00 82 140.0000 204 67.151570
## 4 03:00 Inf NaN -Inf NaN
## 5 04:00 76 119.0000 162 49.652123
## 6 05:00 102 102.0000 102 NaN
## 7 06:00 105 169.5000 217 43.788452
## 8 07:00 163 163.0000 163 NaN
## 9 08:00 40 131.2857 228 90.411493
## 10 09:00 80 178.6667 228 85.447840
## 11 10:00 238 238.0000 238 NaN
## 12 11:00 204 222.6667 260 32.331615
## 13 12:00 203 203.0000 203 NaN
## 14 13:00 71 112.0000 162 46.162756
## 15 14:00 79 79.0000 79 NaN
## 16 15:00 185 199.0000 206 12.124356
## 17 16:00 57 59.0000 61 2.309401
## 18 17:00 49 96.2500 114 31.626729
## 19 18:00 108 188.6667 229 69.859383
## 20 19:00 118 139.0000 160 24.248711
## 21 20:00 63 108.8889 285 70.154195
## 22 21:00 68 68.0000 68 NaN
## 23 22:00 191 191.0000 191 NaN
## 24 23:00 181 234.0000 287 61.199129
## 25 00:00 137 137.0000 137 0.000000
BG value stats by day
BGvalue_SummaryDaily
## Date2 min mean max sd
## 1 2019-10-01 63 124.9167 217 65.57918
## 2 2019-10-02 57 125.2941 260 56.70732
## 3 2019-10-03 49 152.3000 238 71.24769
## 4 2019-10-04 68 156.1176 285 68.87478
## 5 2019-10-05 40 153.1000 287 88.39363
## 6 2019-10-06 92 182.8571 228 48.46796
Sensor value stats by hour
Sensorvalue_Summary
## time3 min mean max sd
## 1 00:00 137 182.87500 246 33.04583
## 2 01:00 90 164.95455 224 42.03042
## 3 02:00 50 161.25000 337 77.79400
## 4 03:00 54 176.16667 344 71.52362
## 5 04:00 40 101.55556 182 42.31274
## 6 05:00 40 96.08333 175 38.34086
## 7 06:00 41 97.56098 232 54.32911
## 8 07:00 45 151.44444 275 60.65606
## 9 08:00 40 131.79167 275 75.51299
## 10 09:00 40 120.43750 186 42.87037
## 11 10:00 40 171.66667 307 85.88298
## 12 11:00 40 222.72414 307 75.28560
## 13 12:00 56 197.77778 353 98.88033
## 14 13:00 40 161.22222 305 97.07320
## 15 14:00 103 166.55556 269 46.95009
## 16 15:00 41 132.65385 271 67.94372
## 17 16:00 40 102.55814 221 52.75654
## 18 17:00 40 104.18750 175 38.58765
## 19 18:00 67 116.15385 229 39.35837
## 20 19:00 90 199.94286 346 80.94876
## 21 20:00 40 178.77551 334 85.87910
## 22 21:00 40 133.68333 275 58.63460
## 23 22:00 82 139.64000 207 30.70383
## 24 23:00 71 198.18644 282 69.28862
## 25 00:00 150 203.33333 255 33.95223
BG high (>150) count
BGHigh_Count
## time3 BG.Reading..mg.dL.
## 1 01:00 1
## 2 02:00 2
## 3 04:00 2
## 4 06:00 6
## 5 07:00 1
## 6 08:00 3
## 7 09:00 2
## 8 10:00 1
## 9 11:00 3
## 10 12:00 1
## 11 13:00 1
## 12 15:00 3
## 13 18:00 2
## 14 19:00 2
## 15 20:00 1
## 16 22:00 1
## 17 23:00 4
BG very high (>240) count
BGveryHigh_Count
## time3 BG.Reading..mg.dL.
## 1 11:00 1
## 2 20:00 1
## 3 23:00 2
BG low (<80) count
BGLow_Count
## time3 BG.Reading..mg.dL.
## 1 04:00 2
## 2 08:00 2
## 3 13:00 1
## 4 14:00 1
## 5 16:00 4
## 6 17:00 1
## 7 20:00 3
## 8 21:00 1
BG good value count (>80 and <150)
BGgood_Count
## time3 BG.Reading..mg.dL.
## 1 02:00 2
## 2 05:00 1
## 3 06:00 2
## 4 08:00 2
## 5 09:00 1
## 6 13:00 1
## 7 17:00 3
## 8 18:00 1
## 9 19:00 2
## 10 20:00 5
## 11 00:00 2
Temp Basal = 0 count
tempBasal_count
## time3 Temp.Basal.Amount
## 1 14:00 1
Suspend basal on low count
suspendBasal_Count
## time3 Alarm
## 1 01:00 2
## 2 02:00 1
## 3 03:00 2
## 4 04:00 9
## 5 05:00 6
## 6 06:00 7
## 7 07:00 5
## 8 08:00 4
## 9 09:00 2
## 10 10:00 2
## 11 12:00 2
## 12 13:00 4
## 13 15:00 5
## 14 16:00 6
## 15 17:00 2
## 16 18:00 1
## 17 20:00 2
## 18 21:00 3
## 19 23:00 1
BG value by time and date with mean values
BGvalue_timeDaytable
## time 2019-10-01 2019-10-02 2019-10-03 2019-10-04 2019-10-05 2019-10-06
## 1 00:00 NaN NaN NaN 137 NaN NaN
## 2 01:00 NaN NaN 192.000 NaN NaN NaN
## 3 02:00 NaN 82.0000 198.000 NaN NaN NaN
## 4 03:00 NaN NaN NaN NaN NaN NaN
## 5 04:00 NaN NaN 76.000 NaN NaN 162.0
## 6 05:00 NaN 102.0000 NaN NaN NaN NaN
## 7 06:00 217.000 163.0000 NaN 105 183 NaN
## 8 07:00 NaN 163.0000 NaN NaN NaN NaN
## 9 08:00 80.000 NaN 223.000 NaN 40 228.0
## 10 09:00 80.000 NaN NaN 228 NaN NaN
## 11 10:00 NaN NaN 238.000 NaN NaN NaN
## 12 11:00 NaN 260.0000 NaN NaN NaN 204.0
## 13 12:00 NaN NaN NaN 203 NaN NaN
## 14 13:00 71.000 162.0000 NaN 103 NaN NaN
## 15 14:00 NaN NaN NaN 79 NaN NaN
## 16 15:00 206.000 NaN 185.000 NaN NaN NaN
## 17 16:00 NaN 59.0000 NaN NaN NaN NaN
## 18 17:00 108.000 114.0000 49.000 NaN NaN NaN
## 19 18:00 108.000 NaN NaN 229 NaN NaN
## 20 19:00 NaN 160.0000 NaN NaN 118 NaN
## 21 20:00 63.000 141.0000 88.000 147 92 92.0
## 22 21:00 NaN NaN NaN 68 NaN NaN
## 23 22:00 NaN 191.0000 NaN NaN NaN NaN
## 24 23:00 NaN NaN NaN 181 287 NaN
## 25 mean 116.625 145.1818 156.125 148 144 171.5
## mean
## 1 137.00000
## 2 192.00000
## 3 140.00000
## 4 NaN
## 5 119.00000
## 6 102.00000
## 7 167.00000
## 8 163.00000
## 9 142.75000
## 10 154.00000
## 11 238.00000
## 12 232.00000
## 13 203.00000
## 14 112.00000
## 15 79.00000
## 16 195.50000
## 17 59.00000
## 18 90.33333
## 19 168.50000
## 20 139.00000
## 21 103.83333
## 22 68.00000
## 23 191.00000
## 24 234.00000
## 25 146.90530
#heatmap
heatMap(BGvalue_timeDaytable, hasTotals = TRUE,
margins = c(6,20), brks = seq(0,450,50),
brewerPallete = "RdBu")

Sensor value by time and date with mean values
SGvalue_timeDaytable
## time 2019-10-01 2019-10-02 2019-10-03 2019-10-04 2019-10-05 2019-10-06
## 1 00:00 198.16667 176.91667 239.00000 NaN NaN 158.33333
## 2 01:00 171.62500 103.33333 205.00000 NaN NaN 182.08333
## 3 02:00 NaN 71.33333 235.33333 NaN NaN 177.08333
## 4 03:00 NaN 122.83333 240.08333 NaN NaN 165.58333
## 5 04:00 NaN 125.83333 54.25000 NaN NaN 124.58333
## 6 05:00 NaN 70.91667 81.66667 NaN NaN 135.66667
## 7 06:00 226.60000 108.66667 71.83333 NaN NaN 58.41667
## 8 07:00 150.25000 143.25000 225.75000 NaN 133.75000 57.00000
## 9 08:00 74.91667 190.58333 213.66667 NaN 48.00000 NaN
## 10 09:00 125.00000 163.66667 88.50000 NaN 104.58333 NaN
## 11 10:00 188.41667 185.75000 41.16667 NaN 271.33333 NaN
## 12 11:00 163.83333 199.00000 40.00000 NaN 304.75000 199.00000
## 13 12:00 134.00000 NaN NaN NaN 329.41667 129.91667
## 14 13:00 83.00000 128.90909 NaN NaN 290.50000 68.08333
## 15 14:00 NaN 147.91667 NaN NaN 216.33333 135.41667
## 16 15:00 213.20000 114.08333 NaN 64.91667 98.33333 227.63636
## 17 16:00 165.75000 44.85714 NaN 74.50000 101.08333 NaN
## 18 17:00 144.91667 75.08333 NaN 67.83333 128.91667 NaN
## 19 18:00 96.75000 111.25000 NaN 223.66667 113.58333 NaN
## 20 19:00 176.83333 96.25000 NaN 298.66667 129.57143 NaN
## 21 20:00 132.41667 206.14286 143.50000 328.33333 191.41667 100.00000
## 22 21:00 72.50000 121.83333 108.66667 NaN 228.33333 137.08333
## 23 22:00 164.75000 82.50000 131.83333 NaN 145.66667 125.83333
## 24 23:00 229.16667 240.33333 271.75000 NaN 82.90909 157.16667
## 25 mean 153.26798 131.79315 149.50000 176.31944 171.67532 137.58155
## mean
## 1 193.10417
## 2 165.51042
## 3 161.25000
## 4 176.16667
## 5 101.55556
## 6 96.08333
## 7 116.37917
## 8 142.00000
## 9 131.79167
## 10 120.43750
## 11 171.66667
## 12 181.31667
## 13 197.77778
## 14 142.62311
## 15 166.55556
## 16 143.63394
## 17 96.54762
## 18 104.18750
## 19 136.31250
## 20 175.33036
## 21 183.63492
## 22 133.68333
## 23 130.11667
## 24 196.26515
## 25 153.35624
#heatmap
heatMap(SGvalue_timeDaytable, hasTotals = TRUE,
margins = c(6,20), brks = seq(0,450,50),
brewerPallete = "RdBu")

Interactive Plots
every 3 hours barplots
###daily barplots